🔬

Photonic Neural Processor

Interactive browser-based simulation of optical neural networks using light for ultrafast AI computations, featuring Mach-Zehnder interferometers, photonic spiking neurons, and real-time optical path visualization

🔬 Experimente agora

O que é isso?

🎯 Dicas do simulador

📚 Glossário

Photonic Neural Network
Uma rede neural artificial que usa sinais ópticos (fótons) em vez de sinais elétricos (elétrons) para realizar cálculos, permitindo o processamento na velocidade da luz.
Mach-Zehnder Interferometer (MZI)
Um dispositivo óptico que divide um feixe de luz em dois caminhos e os recombina; controlando a fase relativa, ele pode realizar as operações matriciais necessárias para redes neurais.
Matrix Multiplication
A principal operação matemática no aprendizado profundo, onde os dados de entrada são transformados por matrizes de peso; processadores fotônicos realizam esta operação na velocidade da luz.
Optical Nonlinearity
Resposta não proporcional de um material à intensidade da luz, essencial para a implementação de funções de ativação em redes neurais fotônicas - um desafio importante na área.
Silicon Photonics
A tecnologia de construção de circuitos ópticos em chips de silício usando fabricação de semicondutores padrão, permitindo a produção em massa de processadores fotônicos.
Wavelength Division Multiplexing
Envio de vários canais de dados simultaneamente através do mesmo caminho óptico usando diferentes comprimentos de onda de luz, aumentando drasticamente o rendimento.
Microring Resonator
Um guia de ondas óptico circular compacto que pode filtrar, alternar e modular sinais de luz, usado como pesos programáveis ​​em redes neurais fotônicas.
Phase-Change Material (PCM)
Um material que pode alternar entre os estados cristalino e amorfo, usado em sistemas fotônicos para armazenamento de peso não volátil em sinapses de redes neurais.
Optical Computing
Paradigma de computação que utiliza fótons para processamento de informações, oferecendo vantagens em velocidade, paralelismo e eficiência energética em relação à computação eletrônica.
Activation Function
Uma função matemática não linear aplicada às saídas da rede neural; implementar isso opticamente (sem converter para eletrônica) é um grande desafio.
In-Situ Training
Treinar uma rede neural diretamente no hardware fotônico, em vez de em um computador digital, possibilitado pela latência ultrabaixa da computação óptica.
Neuromorphic Photonics
O campo que combina computação inspirada na neurociência com fotônica, usando neurônios e sinapses baseados em luz para imitar o processamento neural biológico.
Photonic Integrated Circuit (PIC)
Chip que integra múltiplos componentes ópticos (guias de ondas, moduladores, detectores) em um único substrato, análogo aos circuitos eletrônicos integrados.

🏆 Figuras-chave

Yichen Shen (2017)

Liderou a equipe do MIT de 2017 que demonstrou a primeira rede neural óptica on-chip usando 56 interferômetros Mach-Zehnder programáveis ​​em um chip fotônico de silício

Dirk Englund (2024)

Professor do MIT cujo Quantum Photonics and AI Group demonstrou um processador fotônico totalmente integrado alcançando mais de 92% de precisão na inferência em subnanossegundos (2024)

Marin Soljacic (2017)

Professor do MIT que co-liderou o trabalho pioneiro em redes neurais ópticas de 2017 e continua avançando em arquiteturas de computação fotônica

Demetri Psaltis (1990s)

Pioneiro em redes neurais ópticas usando holografia na década de 1990 na Caltech, estabelecendo os fundamentos teóricos para a computação fotônica

Wolfram Pernice & Harish Bhaskaran (2019-2021)

Sinapses fotônicas baseadas em material de mudança de fase desenvolvidas, permitindo armazenamento de peso não volátil para redes neurais fotônicas

Bhavin Shastri & Paul Prucnal (2021)

Publicou a influente revisão da Nature Photonics estabelecendo o roteiro para fotônica neuromórfica e computação óptica baseada em picos

Gu Min (2025)

Liderou revisões abrangentes de sinapses fotônicas integradas, neurônios e memristores na Universidade de Ciência e Tecnologia de Xangai

🎓 Recursos de aprendizagem

💬 Mensagem aos estudantes

O futuro da computação de IA pode não ser uma eletrônica mais rápida – pode ser a própria luz. Os processadores neurais fotônicos representam uma mudança fundamental: em vez de empurrar os elétrons através de minúsculos fios que geram calor e desperdiçam energia, guiamos os fótons através de circuitos ópticos que computam à velocidade da luz. Um único chip fotônico pode realizar em nanossegundos o que os processadores eletrônicos levam microssegundos para completar. À medida que os modelos de IA crescem cada vez mais e consomem mais energia, a computação fotónica oferece um caminho para uma inteligência sustentável e ultrarrápida. A revolução dos transistores mudou o mundo; a revolução fotônica pode mudar isso novamente.

Começar

Grátis, sem cadastro

Começar →